Show simple item record

dc.contributor.authorMendoza Garcés, F.
dc.contributor.authorIrigoyen Miró, S.
dc.contributor.authorGarcía, F. 
dc.contributor.authorGonzález, J.
dc.contributor.authorGarcía, S.
dc.contributor.authorTelletxea, S.
dc.date.accessioned2022-10-24T06:46:06Z
dc.date.available2022-10-24T06:46:06Z
dc.date.issued2022-04
dc.identifier.urihttp://hdl.handle.net/20.500.11824/1530
dc.description.abstractEl manejo de una vía aérea difícil (VAD) representa aún una causa importante de lesiones relacionadas con la anestesia, cuyas complicaciones son potencialmente mortales. El notable interés en la predicción de VAD ha provocado el desarrollo de modelos de predicción, algunos de los cuales ya incluyen algoritmos de Inteligencia Artificial a partir de imágenes. Se realizó un estudio observacional, de cohortes prospectivo, en el que se tomaron imágenes de los pacientes sometidos a una anestesia general, recogiendo la información pre-anestésica así como la información post-intubación. Nuestro equipo desarrolló un algoritmo automático de detección de puntos faciales de cara a la toma de medidas de variables ya validadas de predicción de VAD, que se integraron con el modelo predictivo de Naguib. La incidencia estimada de VAD en nuestra muestra de 503 pacientes fue de un 6,36%. La valoración subjetiva (pre-intervención) de los clínicos obtuvo una sensibilidad de 25.00%, con una especificidad de 93.63%. En comparación, nuestra herramienta alcanzó una sensibilidad del 53.12% y una especificidad del 79.83%. El AUC obtenida, o área bajo la curva ROC, fue de 0.680. Integrando nuestro sistema de medición IA-ML con el modelo de Naguib, los resultados muestran que estamos cerca de igualar la capacidad predictiva del clínico. El potencial del análisis facial en la predicción de VAD nos anima a seguir investigando y a desarrollar modelos propios. Creemos que proporcionará al anestesiólogo una herramienta de ayuda en la toma de decisiones automática, objetiva y accesible.en_US
dc.formatapplication/pdfen_US
dc.language.isospaen_US
dc.rightsReconocimiento-NoComercial-CompartirIgual 3.0 Españaen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/en_US
dc.titleDesarrollo de sistema de Machine Learning para la prediccion de vía aérea a partir de imagen facial con dispositivo movilen_US
dc.typeinfo:eu-repo/semantics/conferenceObjecten_US
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen_US
dc.type.hasVersioninfo:eu-repo/semantics/publishedVersionen_US
dc.journal.titleXXXVI Congreso Nacional de la Sociedad Española de Anestesiología, Reanimación y Terapéutica del Dolor (SEDAR)en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Reconocimiento-NoComercial-CompartirIgual 3.0 España
Except where otherwise noted, this item's license is described as Reconocimiento-NoComercial-CompartirIgual 3.0 España